• Neo4j图数据库实践——基于知识图谱方法开发构建猪类养殖疾病问答查询系统

    Neo4j是一个开源的、高性能的图形数据库。它被设计用于存储、检索和处理具有复杂关系的大规模数据。与传统的关系型数据库不同，Neo4j使用图形结构来表示数据，其中节点表示实体，边表示实体之间的关系。这使得Neo4j在处理关系密集型数据时非常强大和高效。

    以下是Neo4j的一些关键特点：

    1. 图形数据库：Neo4j是一个原生的、完全基于图形的数据库，它提供了图形模型来存储和管理数据。这使得它能够轻松地处理复杂的数据关系，如社交网络、推荐系统、网络安全等。

    2. 灵活的数据模型：Neo4j的数据模型非常灵活，可以轻松地表示各种类型的实体和关系。你可以定义自己的节点标签和边类型，并为它们添加属性，以便更好地表示你的数据结构。

    3. 高性能：Neo4j通过使用高效的图形遍历算法和索引机制来实现出色的性能。它可以快速地执行复杂的图形查询，支持深度遍历和快速的关系导航。

    4. 原生的查询语言：Neo4j使用一种名为Cypher的原生查询语言来操作和查询图形数据。Cypher具有直观的语法，可以轻松地表达各种图形查询模式，包括节点和边的匹配、路径遍历和聚合操作等。

    5. ACID事务支持：Neo4j支持原子性、一致性、隔离性和持久性（ACID）的事务特性。这确保了数据的完整性和一致性，同时提供了可靠的持久化机制。

    6. 生态系统和工具支持：Neo4j拥有丰富的生态系统和工具支持，包括可视化工具、ETL工具、驱动程序和集成库等。这些工具使得开发人员和数据分析师能够更轻松地使用和操作Neo4j数据库。

    Neo4j官网在这里，如下所示：

    可以根据自己的需要进行下载安装使用。

    安装完成启动截图如下所示：

    这里我安装的是1.5.8的版本的。

    之前在学校的时候就有接触过Neo4j数据库，只是简单的安装实践了一下，后面因为课题方向换了，所以后面就没有再接触到了，周末闲来无事正好最近也又看到了这个图数据库的内容，就想着

    来上手做一下实践开发项目，这里主要以前面项目中收集到的猪类相关养殖疾病数据集为基准，来构建基于知识图谱的问答系统。

    知识图谱是一种用于组织、表示和存储结构化知识的图形化知识库。它将现实世界的实体、概念和它们之间的关系表示为图形结构，可以帮助我们更好地理解和分析知识。

    知识图谱通常由三个主要组成部分构成：

    1. 实体（Entities）：实体代表现实世界中的具体事物，可以是人、地点、物品、事件等等。每个实体都有唯一的标识符和相关的属性信息。

    2. 属性（Attributes）：属性描述实体的特征和性质。例如，一个人实体可以有属性如姓名、年龄、性别等。

    3. 关系（Relationships）：关系表示实体之间的连接和关联。它们描述了实体之间的语义关系，如"工作在"、"位于"、"是子集/超集"等等。

    知识图谱的优势在于它能够捕捉和表示复杂的关联关系，并提供了一种结构化的方式来存储和查询知识。它可以用于构建智能推荐系统、问答系统、语义搜索引擎等应用。通过使用知识图谱，我们可以进行更高级的数据分析、语义推理和信息提取。

    举个例子，以百科全书为例，知识图谱可以将不同的主题、人物、事件等实体组织成一个图形结构，并使用关系链接它们。通过这种方式，我们可以轻松地浏览和发现相关的知识，例如查找某个人物的家庭成员、了解某个事件的历史背景等等。

    首先来简单看下数据集情况，如下所示：

    1. "猪附红细胞体病": {
    2.     "name": "猪附红细胞体病",
    3.     "desc": "由附红细胞体寄生于猪的红细胞表面或游离于血浆、组织液及脑脊液中引起的一种人畜共患病，猪发病时，皮肤发红，故又称“猪红皮病”。",
    4.     "cause": "附红细胞体病是由多种原因引发的疾病，只有在应激和肌体抗病力降低的情况下才会诱发此病。如饲养管理不良、天气突变、突然换料、更换圈舍、密度过大等应激因素或患猪瘟、猪蓝耳病、传染性胸膜肺炎、猪链球菌病、副猪嗜血杆菌病等慢性病时，最易并发和继发附红细胞体病。",
    5.     "prevent": "预防本病的发生应加强猪场的卫生防疫，消除各种应激因素。在温热季节应定期喷洒杀虫剂，以杀灭蚊、蝇、蜱、牛虻、体虱、跳蚤等吸血昆虫，消除传染媒介。发病猪只要进行及时有效的治疗。对无治疗价值的病猪应及时进行淘汰，以清除传染源。阳性猪群，饲料中可添加强力霉素等，以消除隐性感染。购入猪只要进行血液检查，防止引入病猪或隐性感染猪。本病流行季节给予预防用药，可在饲料中添加上强力霉素或金霉素添加剂，或每公斤饲料添加90毫克阿散酸，连续使用30天，或每月使用7-10天。 防重于治是养猪的最后方法。",
    6.     "cure_lasttime": "一般3-14天。",
    7.     "cure_way": "⑴血虫净(或三氮眯、贝尼尔) 每公斤体重用5mg-10mg，用生理盐水稀释成5%溶液，分点肌肉注射，1天1次，连用3天。⑵咪唑苯脲每公斤体重用1mg-3mg，1天1次，连用2天-3天。⑶四环素、土霉素(每公斤体重10mg)和金霉素(每公斤体重15mg)口服或肌注或静注，连用7天-14天。⑷新胂凡纳明按每公斤体重10mg-15mg静脉注射，一般3天后症状可消失。",
    8.     "easy_get": "不同年龄的猪均有易感性，通常发生在哺乳猪、怀孕的母猪以及受到高度应激的肥育猪身上。",
    9.     "symptom": [
    10.       "体温升高为40.5℃~42℃",
    11.       "皮肤发红，指压退色",
    12.       "精神不振",
    13.       "食欲减退",
    14.       "怕冷聚堆",
    15.       "咳嗽",
    16.       "流鼻涕",
    17.       "呼吸困难",
    18.       "尿液淡黄",
    19.       "发病中期，病猪行走时后躯摇晃，喜卧厌立，便秘或拉稀，精神沉郁，呼吸困难",
    20.       "血液稀薄，色淡，往往随注射针孔流血不止",
    21.       "皮毛枯燥",
    22.       "背腹部毛色铁锈色",
    23.       "皮肤苍白",
    24.       "耳内侧、背侧、颈背部、腹侧部皮肤出现暗红色出血点，可视黏膜轻度肿胀，初期潮红，后期苍白",
    25.       "轻度黄疸",
    26.       "尿液淡黄、淡红或呈红褐色，卧地不起",
    27.       "后期，病猪耳朵变蓝色、坏死，排血便和血红蛋白尿，最后四肢呈游泳状划动，呼吸困难，衰竭死亡"
    28.     ],
    29.     "recommand_drug": [
    30.       "抗生素",
    31.       "磺胺类",
    32.       "砷制剂",
    33.       "血虫净",
    34.       "三氮眯",
    35.       "贝尼尔",
    36.       "咪唑苯脲",
    37.       "四环素",
    38.       "土霉素",
    39.       "金霉素",
    40.       "新胂凡纳明"
    41.     ],
    42.     "checks": [
    43.       "猪附红细胞体病的发热、贫血、黄疸等症状具有一定的诊断意义，其他临床症状，如食欲减退、呼吸急迫、心悸亢进等非特征性症状在本病的诊断上意义不大。",
    44.       "猪患附红细胞体病后全身各部均无特征性的病理变化，一般无需作病理学检查。因此，对本病确诊，必须先进行实验室检查。",
    45.       "实验室诊断的方法很多，如可用间接红细胞凝集试验、补体结合试验、相差显微镜观察和染色血液涂片观察等。",
    46.       "间接红细胞凝集试验和补体结合试验反应敏感、检出率高，但试验条件要求高，需要时间较长。",
    47.       "相差显微镜观察和染色血液涂片观察以及鲜血直接压片，所需设备和药品较少，且操作简单、快捷，检出率也较高，一般在半个小时内即可作出确切诊断。"
    48.     ],
    49.     "departments": [
    50.       "寄生虫病"
    51.     ],
    52.     "methods": [
    53.       "温热季节定期喷洒杀虫剂",
    54.       "及时治疗发病猪只，无治疗价值的猪只应及时淘汰",
    55.       "阳性猪群，饲料中可添加强力霉素等，以消除隐性感染。",
    56.       "购入猪只要进行血液检查，防止引入病猪或隐性感染猪。"
    57.     ],
    58.     "acompany_with": [
    59.       "链球菌病",
    60.       "猪水肿病",
    61.       "仔猪副伤寒",
    62.       "猪肺疫",
    63.       "猪丹毒",
    64.       "猪瘟",
    65.       "弓形虫病"
    66.     ]
    67.   }

    上面是单个疾病的相关内容详情，可以看到包含有很多的内容。

    下面是一些常见猪病的介绍，如下所示：

    1. {
    2.     "猪附红细胞体病": {
    3.         "疾病所属类别": "寄生虫病",
    4.         "疾病诊断要点": "相差显微镜观察和染色血液涂片观察以及鲜血直接压片，所需设备和药品较少，且操作简单、快捷，检出率也较高，一般在半个小时内即可作出确切诊断。",
    5.         "疾病推荐药物": "新胂凡纳明",
    6.         "疾病预防措施": "购入猪只要进行血液检查，防止引入病猪或隐性感染猪。"
    7.     },
    8.     "副猪嗜血杆菌病": {
    9.         "疾病所属类别": "细菌性传染病",
    10.         "疾病诊断要点": "该病易与传染性胸膜肺炎相混淆，但该病引起的病变多数为脑膜炎，关节炎和四肢跛行等，而传染性胸膜性肺炎较少见。",
    11.         "疾病推荐药物": "阿莫西林",
    12.         "疾病预防措施": "疫苗免疫"
    13.     },
    14.     "猪支原体肺炎": {
    15.         "疾病所属类别": "传染病",
    16.         "疾病诊断要点": "其他内脏一般无明显变化。",
    17.         "疾病推荐药物": "中药方剂 (苏子、杏仁、款冬花、桔梗、甘草、陈皮、鱼腥草等)",
    18.         "疾病预防措施": "加强消毒，保持栏舍清洁、干燥通风。"
    19.     },
    20.     "猪圆环病毒病": {
    21.         "疾病所属类别": "病毒性传染病",
    22.         "疾病诊断要点": "血清学检查：是生前诊断的一种有效手段。诊断本病的方法有:间接免疫荧光法(IIF)，免疫过氧化物单层培养法，ELISA方法，聚合酶链式反应(PCR)方法，核酸探针杂交及原位杂交试验(ISH)等方法。",
    23.         "疾病推荐药物": "选用新型的抗病毒剂如干扰素、白细胞介导素、免疫球蛋白、转移因子等进行治疗，同时配合中草药抗病毒制剂，会取得明显治疗效果。",
    24.         "疾病预防措施": "加强饲养管理"
    25.     },
    26.     "猪链球菌病": {
    27.         "疾病所属类别": "人畜共患病",
    28.         "疾病诊断要点": "药敏试验",
    29.         "疾病推荐药物": "抗生素",
    30.         "疾病预防措施": "加强饲养管理"
    31.     },
    32.     "猪伪狂犬病": {
    33.         "疾病所属类别": "急性传染病",
    34.         "疾病诊断要点": "血清学诊断可直接用免疫荧光法、间接血凝抑制试验、琼脂扩散试验、补体结合试验、酶联免疫吸附试验、乳胶凝集试验。",
    35.         "疾病推荐药物": "猪血清抗体",
    36.         "疾病预防措施": "同时，还要严格控制犬、猫、鸟类和其他禽类进入猪场，严格控制人员来往，并做好消毒工作及血清学监测等，这样对本病的防制也可起到积极的推动作用。"
    37.     }

    接下来就需要开发程序完成数据的加载解析入库操作了，这里定义pigMedicalGraph类，如下所示：

    1. #!usr/bin/env python
    2. # encoding:utf-8
    3. from __future__ import division
    4.  
    5.  
    6. """
    7. 功能：  猪类疾病知识图谱构建
    8. """
    9.  
    10. import os
    11. import json
    12. from py2neo import Graph,Node
    13.  
    14.  
    15. class pigMedicalGraph:
    16.     def __init__(self):
    17.  
    18.  
    19.     def read_nodes(self):
    20.  
    21.  
    22.     def create_node(self, label, nodes):
    23.  
    24.  
    25.     def create_diseases_nodes(self, disease_infos):
    26.      
    27.  
    28.     def create_graphnodes(self):
    29.  
    30.  
    31.     def create_graphrels(self):
    32.  
    33.  
    34.     def create_relationship(self, start_node, end_node, edges, rel_type, rel_name):

    首先是加载解析本地数据，如下所示：

    1. count = 0
    2. with open(self.data_path, encoding="utf-8") as f:
    3.     data_dict = json.load(f)
    4. for one_key in data_dict:
    5.     data_json = data_dict[one_key]
    6.     disease_dict = {}
    7.     count += 1
    8.     print(count)
    9.     disease = data_json["name"]
    10.     print(disease)
    11.     disease_dict["name"] = disease
    12.     if type(disease) == list:
    13.         diseases += disease
    14.         disease = disease[0]
    15.     else:
    16.         diseases.append(disease)
    17.     disease_dict["desc"] = ""
    18.     disease_dict["cause"] = ""
    19.     disease_dict["prevent"] = ""
    20.     disease_dict["cure_lasttime"] = ""
    21.     disease_dict["cure_way"] = ""
    22.     disease_dict["symptom"] = ""
    23.     disease_dict["recommand_drug"] = ""
    24.     print("59")
    25.     if "symptom" in data_json:
    26.         symptoms += data_json["symptom"]
    27.         for symptom in data_json["symptom"]:
    28.             has_symptom.append([disease, symptom])
    29.     if "checks" in data_json:
    30.         checks += data_json["checks"]
    31.         for check in data_json["checks"]:
    32.             need_check.append([disease, check])
    33.     if "departments" in data_json:
    34.         departments += data_json["departments"]
    35.         for department in data_json["departments"]:
    36.             belongs_to.append([disease, department])
    37.     if "methods" in data_json:
    38.         methods += data_json["methods"]
    39.         for method in data_json["methods"]:
    40.             recommand_method.append([disease, method])
    41.     if "desc" in data_json:
    42.         disease_dict["desc"] = data_json["desc"]
    43.     if "prevent" in data_json:
    44.         disease_dict["prevent"] = data_json["prevent"]
    45.     if "cause" in data_json:
    46.         disease_dict["cause"] = data_json["cause"]
    47.     if "easy_get" in data_json:
    48.         disease_dict["easy_get"] = data_json["easy_get"]
    49.     if "cure_way" in data_json:
    50.         disease_dict["cure_way"] = data_json["cure_way"]
    51.     if "cure_lasttime" in data_json:
    52.         disease_dict["cure_lasttime"] = data_json["cure_lasttime"]
    53.     if "recommand_drug" in data_json:
    54.         recommand_drug1 = data_json["recommand_drug"]
    55.         drugs += recommand_drug1
    56.         for drug in recommand_drug1:
    57.             recommand_drug.append([disease, drug])
    58.     disease_infos.append(disease_dict)

    接下来是创建知识图谱中的节点node，实现如下所示：

    1. def create_node(self, label, nodes):
    2.     """
    3.     创建节点
    4.     """
    5.     count = 0
    6.     for node_name in nodes:
    7.         node = Node(label, name=node_name)
    8.         self.g.create(node)
    9.         count += 1
    10.         print(count, len(nodes))
    11.     return

    之后我们来实现创建知识图谱中疾病的节点，如下所示：

    1. def create_diseases_nodes(self, disease_infos):
    2.     """
    3.     创建知识图谱中疾病的节点
    4.     """
    5.     count = 0
    6.     for disease_dict in disease_infos:
    7.         print(disease_dict)
    8.         node = Node(
    9.             "Disease",
    10.             name=disease_dict["name"],
    11.             desc=disease_dict["desc"],
    12.             cause=disease_dict["cause"],
    13.             prevent=disease_dict["prevent"],
    14.             cure_lasttime=disease_dict["cure_lasttime"],
    15.             cure_way=disease_dict["cure_way"],
    16.             easy_get=disease_dict["easy_get"],
    17.             recommand_drug=disease_dict["recommand_drug"],
    18.             symptom=disease_dict["symptom"],
    19.         )
    20.         print("132")
    21.         self.g.create(node)
    22.         count += 1
    23.         print(count)
    24.     return

    接下来是创建知识图谱实体节点类型schema，核心实现如下所示：

    1. self.create_diseases_nodes(disease_infos)
    2. self.create_node("checks", checks)
    3. self.create_node("departments", departments)
    4. self.create_node("diseases", diseases)
    5. self.create_node("drugs", drugs)
    6. self.create_node("methods", methods)
    7. self.create_node("symptoms", symptoms)

    之后我们来创建实体关联边，实现如下所示：

    1. def create_relationship(self, start_node, end_node, edges, rel_type, rel_name):
    2.     """
    3.     创建实体关联边
    4.     """
    5.     count = 0
    6.     # 去重处理
    7.     set_edges = []
    8.     for edge in edges:
    9.         set_edges.append("".join(edge))
    10.     all = len(set(set_edges))
    11.     for edge in set(set_edges):
    12.         edge = edge.split("")
    13.         p = edge[0]
    14.         q = edge[1]
    15.         query = (
    16.             "match(p:%s),(q:%s) where p.name='%s' and q.name='%s' create (p)-[rel:%s{name:'%s'}]->(q)"
    17.             % (start_node, end_node, p, q, rel_type, rel_name)
    18.         )
    19.         try:
    20.             self.g.run(query)
    21.             count += 1
    22.             print(rel_type, count, all)
    23.         except Exception as e:
    24.             print(e)
    25.     return

    最后我们来创建实体关系边，如下所示：

    1. self.create_relationship("diseases", "departments", belongs_to, "belongs_to", "属于")
    2. self.create_relationship("diseases", "checks", need_check, "need_check", "疾病诊断结果")
    3. self.create_relationship(
    4.     "diseases", "drugs", recommand_drug, "recommand_drug", "疾病推荐药品"
    5. )
    6. self.create_relationship(
    7.     "diseases", "methods", recommand_method, "recommand_method", "疾病预防措施"
    8. )
    9. self.create_relationship("diseases", "symptoms", has_symptom, "has_symptom", "疾病症状")
    10. self.create_relationship(
    11.     "diseases", "diseases", acompany_with_, "acompany_with_", "疾病并发疾病"
    12. )

    到这里基本上数据的解析加载入库操作就完成了。

    可以直接在neo4j数据库桌面端打开查看，如下所示：

    也可以直接复制http://localhost:7474/browser/

    在浏览器端打开即可，如下所示：

    显然我自己觉得浏览器端的操作和可视化更加柔顺丝滑。

    这里可以直接借助于知识图谱的能力来进行知识的查询回答，简单的实现如下所示：

    1. class ChatRobot:
    2.     def __init__(self):
    3.         self.classifier = QuestionClassifier()
    4.         self.parser = QuestionPaser()
    5.         self.searcher = AnswerSearcher()
    6.  
    7.     def chat_main(self, sent):
    8.         answer = "尊敬的用户您好，我是AI医药智能助理，希望可以帮到您！"
    9.         res_classify = self.classifier.classify(sent)
    10.         if not res_classify:
    11.             return answer
    12.         res_sql = self.parser.parser_main(res_classify)
    13.         print("res_sql: ", res_sql)
    14.         final_answers = self.searcher.search_main(res_sql)
    15.         if not final_answers:
    16.             return answer
    17.         else:
    18.             return "\n".join(final_answers)
    19.  
    20.  
    21. if __name__ == "__main__":
    22.     handler = ChatRobot()
    23.     while True:
    24.         question = input("user:")
    25.         answer = handler.chat_main(question)
    26.         print("AI:", answer)

    实例输出如下所示：

    接下来我们再来简单看下neo4j数据库端可视化的呈现：

    每一块都包括了Graph、Table、Text和Code四种表示或者是说存储形式，接下来我们以一个实际样例来进行展示，如下所示：

    【Graph】

    【Table】

    1. {
    2.   "start": {
    3.     "identity": 284,
    4.     "labels": [
    5.       "diseases"
    6.     ],
    7.     "properties": {
    8.       "name": "猪圆环病毒病"
    9.     },
    10.     "elementId": "284"
    11.   },
    12.   "end": {
    13.     "identity": 230,
    14.     "labels": [
    15.       "departments"
    16.     ],
    17.     "properties": {
    18.       "name": "病毒性传染病"
    19.     },
    20.     "elementId": "230"
    21.   },
    22.   "segments": [
    23.     {
    24.       "start": {
    25.         "identity": 284,
    26.         "labels": [
    27.           "diseases"
    28.         ],
    29.         "properties": {
    30.           "name": "猪圆环病毒病"
    31.         },
    32.         "elementId": "284"
    33.       },
    34.       "relationship": {
    35.         "identity": 0,
    36.         "start": 284,
    37.         "end": 230,
    38.         "type": "belongs_to",
    39.         "properties": {
    40.           "name": "属于"
    41.         },
    42.         "elementId": "0",
    43.         "startNodeElementId": "284",
    44.         "endNodeElementId": "230"
    45.       },
    46.       "end": {
    47.         "identity": 230,
    48.         "labels": [
    49.           "departments"
    50.         ],
    51.         "properties": {
    52.           "name": "病毒性传染病"
    53.         },
    54.         "elementId": "230"
    55.       }
    56.     }
    57.   ],
    58.   "length": 1.0
    59. }

    【Text】

    1. ╒════════════════════════════════════════════════════╕
    2. │"p"                                                 │
    3. ╞════════════════════════════════════════════════════╡
    4. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
    5. ├────────────────────────────────────────────────────┤
    6. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
    7. ├────────────────────────────────────────────────────┤
    8. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
    9. ├────────────────────────────────────────────────────┤
    10. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
    11. ├────────────────────────────────────────────────────┤
    12. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
    13. ├────────────────────────────────────────────────────┤
    14. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
    15. ├────────────────────────────────────────────────────┤
    16. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
    17. ├────────────────────────────────────────────────────┤
    18. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
    19. ├────────────────────────────────────────────────────┤
    20. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
    21. ├────────────────────────────────────────────────────┤
    22. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
    23. ├────────────────────────────────────────────────────┤
    24. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
    25. ├────────────────────────────────────────────────────┤
    26. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
    27. ├────────────────────────────────────────────────────┤
    28. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
    29. ├────────────────────────────────────────────────────┤
    30. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
    31. ├────────────────────────────────────────────────────┤
    32. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
    33. ├────────────────────────────────────────────────────┤
    34. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
    35. ├────────────────────────────────────────────────────┤
    36. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
    37. ├────────────────────────────────────────────────────┤
    38. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
    39. ├────────────────────────────────────────────────────┤
    40. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
    41. ├────────────────────────────────────────────────────┤
    42. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
    43. ├────────────────────────────────────────────────────┤
    44. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
    45. ├────────────────────────────────────────────────────┤
    46. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
    47. ├────────────────────────────────────────────────────┤
    48. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
    49. ├────────────────────────────────────────────────────┤
    50. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
    51. ├────────────────────────────────────────────────────┤
    52. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
    53. └────────────────────────────────────────────────────┘

    【Code】

    这个code可以直接复制过去在Neo4j桌面端里面执行可以得到与浏览器页面端同样的结果。

    感兴趣的话也都可以实践尝试去开发构建自己的应用系统！

  • 相关阅读:
    【论文阅读】
    ultraEdit正则匹配多行（xml用）
    FDMA 3.1 米联客的Axi-DDR3控制器及其配套的Dbuf
    Prometheus黑盒测试模块，监控TCP端口+ HTTP/HTTPS路由状态
    使用 Flutter 创建自适应应用
    linux安装zookeeper(详细图文教程）
    MR混合现实情景实训教学系统在旅游管理专业中的应用
    吃透阿里大佬私藏的这本 Java 进阶核心手册, 侥幸入职 P7
    “蔚来杯“2022牛客暑期多校训练营5，签到题KBGHFCD
    LeetCode 27. 移除元素（JavaScript 简单）
  • 原文地址：https://blog.csdn.net/Together_CZ/article/details/132774458